數字孿生流域知識圖譜構建及其應用

覃煬揚,郭 俊,劉 懿,舒海潤

(華中科技大學 土木與水利工程學院,湖北 武漢430074)

0 引 言

隨著社會經濟的發展,水資源、水環境、水生態等問題日益突出。國家“十四五”規劃中,明確提出要推進智慧水利體系構建[1],加強水資源保護與利用,加大水污染防治力度,推進流域綜合治理,提高防洪排澇能力,保障水安全。為實現這一目標,數字孿生流域作為一種新型的基礎設施和流域管理方式應運而生。數字孿生流域是以物理流域為單元、時空數據為底座、數學模型為核心、水利知識為驅動,對物理流域全要素和水利治理管理活動全過程的數字化映射與智能化模擬,可實現與物理流域同步仿真運行、虛實交互與迭代優化[2]。數字孿生流域通過構建物理流域與數字流域的關聯,實現對流域資源、環境、生態等方面的監測、分析與優化配置。

數字孿生流域建設技術大綱中,包含了數字孿生平臺與信息化基礎設施。數字孿生平臺中,知識平臺集成信息來自數據底板的相關數據和模型平臺的計算分析結果,這些信息經過水利知識引擎的處理后,形成知識圖譜(Knowledge Graph,KG),用來支撐水利業務的應用[3]。知識圖譜作為一種新興的知識表示和管理技術,能夠有效地組織、整合和挖掘領域知識,支持構建數字孿生流域的知識平臺,為數字孿生流域提供決策支持。

以圖譜形式呈現的可用知識庫內容即為知識圖譜,知識圖譜近年來備受關注,并產生了大量的研究,大多數研究都集中在知識圖譜的生成及其內部信息的消費[4-6]。知識圖譜的發展經歷了3個階段:在第一階段,知識表征被提升到Web標準的水平。在第二階段核心關注點轉向數據管理、鏈接數據及其應用。在第三階段,焦點轉向實際應用(包括語義解析[7-8]、信息抽取[9]、推薦系統[10]、問答系統[11-12]等)。馮鈞等[12]總結了領域知識圖譜的研究現狀,并指出了水利領域知識圖譜的研究方向。知識圖譜的研究總結工作基本涉及知識抽取、知識存儲、知識融合、知識推理、知識表示,水利領域也是在此基礎上進行細化研究與應用展示。本文在現有體系基礎上,探索性提出一種以流域拓撲圖的形式構建與應用的知識圖譜,以更好地梳理流域相關的知識脈絡,為相關防洪等工作提供更好的支撐。

1 技術路線探究

知識圖譜大體上分為自頂向下和自底向上兩種構建方式,圖1為自底向上的技術路線圖,揭示了一個迭代更新的知識圖譜構建過程。一輪迭代主要分為知識抽取、知識融合和知識加工3個階段。知識抽取也是信息抽取,首先對結構化、半結構化、非結構化數據進行抽取,然后從各數據源中進行實體、屬性和關系的抽取,形成本體化的知識表達。從知識抽取、數據庫、知識庫獲取新知識后,需要對知識進行整合,比如同一個實體在多條知識中有不同表示、同一個稱謂關聯著多個實體等,因此需要進行知識融合,消除歧義與矛盾。融合過的知識,經過本體抽取、質量復核(需要人工參與評估、甄選)后,可用的部分被補充到知識庫中,保證知識庫的質量維護和更新,知識庫中的內容也需定期檢查、推理并重新評估。

圖1 知識圖譜構建路線Fig.1 Knowledge graph construction route

2 數字孿生流域知識圖譜構建

為實現數字孿生流域的智能管理,需要構建一套知識圖譜體系架構,涵蓋知識表示、知識抽取、知識融合和知識推理等關鍵技術環節。

2.1 知識表示

知識表示是知識圖譜的基礎,需要構建一套適用于水利領域的實體、屬性和關系表示方法。首先,通過咨詢領域專家和查詢文獻資料,梳理水利領域的基礎本體和業務本體,包括江河湖泊、水利工程、水資源管理等實體以及它們之間的關系。其次,采用資源描述框架(Resource Description Framework,RDF)和網絡本體語言(Web Ontology Language,OWL),對實體、屬性和關系進行結構化的描述,構建水利領域的知識表示體系。將知識圖譜看成是由互相連接的實體和屬性構成的網絡,則每一條知識表示為一個三元組,即由主體(Subject)、謂語(Predicate)及賓語(Object)三部分構成。圖2是RDF三元組以RDF/XML文檔形式進行存儲的數據格式。

圖2 RDF三元組格式Fig.2 RDF triple format

2.2 知識抽取

知識抽取是從原始的結構化、半結構化和非結構化數據中提取結構化知識的過程,涵蓋了自然語言處理、機器學習等技術在其中的應用,圖3展示了各種原始數據的一般分類。在數字孿生流域建設中,數據來源主要包括文本、圖像、視頻等多模態數據,利用自然語言處理、機器學習和深度學習等技術,對文本、表格和圖像等多源異構數據進行有效提取與處理。例如,可以通過命名實體識別、關系抽取等技術,從文本中提取水資源、水環境等相關實體及其屬性和關系;通過圖像識別和分割技術,從遙感影像中提取水體、地表覆蓋等空間信息。通過實體識別、關系抽取和屬性抽取等技術,從數據中構建實體-關系三元組,形成水利領域知識圖譜的信息基礎。

圖3 原始數據類型Fig.3 Original data type

2.3 知識融合

知識融合包含實體對齊、關系對齊與知識補全方法。由于多源數據的異構性和不一致性,需要采用知識融合技術對知識進行整合。實體對齊是將描述同一現實世界對象的不同實體進行關聯的過程,可以通過基于特征的相似度計算和基于規則的方法進行實現;關系對齊是指將不同來源的相同關系進行關聯,可以通過關系匹配和鏈接技術實現;知識補全是指通過挖掘已有知識圖譜中的潛在規律,補全缺失的實體屬性或關系,可以通過基于規則推理、矩陣分解、表示學習、遷移學習和協同過濾等方法進行。知識融合的過程需要充分考慮不同數據源的可信度、時效性和一致性等問題,以保證融合后知識的質量。

2.4 知識推理

知識推理是一種通過已有知識推導出新的知識或尚未標注收錄知識的過程,可以幫助挖掘實體之間的潛在關系,化簡解決復雜問題。知識推理主要有基于描述邏輯的推理引擎和基于規則的推理方法。基于描述邏輯的推理引擎主要利用本體語言中的概念、屬性和關系等描述邏輯元素,實現對知識圖譜的推理和驗證;基于規則的推理方法則通過編寫領域專家的經驗規則,利用事實和規則進行推理,得出結論。通過知識推理,可以發現隱含的知識,輔助決策者更好地理解流域管理問題,提高決策效率。

3 基于知識圖譜的數字孿生流域管理

3.1 需求分析

需求分析是了解和挖掘流域管理問題的核心目標和關鍵舉措,為知識圖譜的應用提供指導。通過與領域專家溝通、參考文獻資料分析和政策法規查詢,充分考慮流域管理的多目標性、多尺度性和多時空性等特點,確保知識圖譜的實用性和針對性,明確數字孿生流域管理的需求,如水資源優化配置、水環境監測與保護、防洪排澇與災害防治等。

3.2 知識檢索

知識圖譜可以幫助用戶快速準確地查找到所需信息。基于語義的檢索方法可以實現對實體、屬性和關系等知識元素的精確查找,支持復雜查詢條件的組合。通過構建水利領域的本體模型,將關鍵詞映射到知識圖譜中的實體和關系,以實現基于語義的檢索。同時,引入自然語言處理等技術,進一步提高檢索的易用性;引入應用推薦系統,為用戶提供個性化推薦,提高檢索效率。

3.3 知識分析

知識分析是對知識圖譜中的數據進行挖掘和分析的過程,以發現潛在的規律和關系。基于知識圖譜的數據挖掘方法包括關聯規則挖掘、聚類分析、分類預測等。例如,通過關聯規則挖掘可以發現水資源與水環境、水利工程之間的關聯關系;通過聚類分析可以對流域內的水資源、水環境等相關要素指標進行分區劃分;通過分類預測可以預測水資源、水環境相關要素指標的未來變化趨勢。這些分析方法可以為流域管理決策提供數據支持。

3.4 決策支持

基于知識圖譜的決策支持系統可以為流域管理決策者提供有針對性的建議。通過知識推理和知識分析的結果,為決策者提供清晰的信息脈絡和可視化展示,幫助他們更好地理解問題,專注于制定合適的決策。同時,可以結合專家經驗和歷史案例,為決策者提供更具參考價值的建議。

4 搭載知識圖譜的平臺構建方法

4.1 基于圖數據庫和三元組的存儲方法

知識圖譜的存儲需要解決大規模、高并發、多模態數據的存儲問題。圖數據庫作為一種專門用于存儲圖結構數據的數據庫,具有良好的擴展性、高效性和易用性等特點,適合作為知識圖譜的存儲方式。在數字孿生流域建設過程中使用知識圖譜存儲,可以選擇Neo4j,JanusGraph的圖數據庫作為存儲系統。圖4是結合Neo4j的圖數據庫構建示例。

圖4 結合Neo4j的圖數據庫應用示例Fig.4 Graph database application example with Neo4j integration

4.2 基于分布式的計算方法

知識圖譜的管理需要解決數據的處理、計算和分析等問題。基于分布式計算的知識圖譜管理方法可以充分利用計算資源,實現大規模知識圖譜的高效處理,如Hadoop,Spark,Flink等分布式計算框架進行計算管理。

4.3 基于Web服務的訪問方法

知識圖譜的訪問需要提供統一的接口,以方便外部應用的調用。基于Web服務的知識圖譜訪問方法可以實現跨平臺、跨語言的數據訪問,提高知識圖譜的互操作性。在數字孿生流域領域,可以構建如RESTful API的知識圖譜訪問服務,實現對知識圖譜的查詢、修改和刪除等操作。

4.4 基于版本控制的維護方法

知識圖譜的維護需要解決數據的更新、修訂和版本管理等問題。基于版本控制的知識圖譜維護方法可以追蹤知識圖譜的修改歷史,保證數據的一致性和完整性。在數字孿生流域建設過程中,可以借鑒Git版本控制系統的思想,實現對知識圖譜的版本管理。

5 白龍江流域知識拓撲圖平臺應用

平臺硬件結構方面,采用B/S架構,服務和數據庫部署在遠端服務器,通過Web前端頁面進行UI訪問或通過API進行服務調用[13]。平臺軟件設計方面,分為以下3層:① 表示層。基于Web前端GoJS(JavaScript和TypeScript庫)進行設計,旨在構建交互式圖形界面,提升用戶平臺操作體驗,直觀形象展現內容。② 業務層。包括讀取水利對象信息并進行拓撲圖的繪制、查詢對象屬性和關聯信息、修改編輯等功能和提供拓展的應用接口等。③ 數據層。存儲水利對象的屬性數據和關系結構數據,并保證數據質量、查詢效率以及拓展性能。

白龍江位于甘肅省舟曲縣的西北部尕瓦山處流入舟曲縣境,徑流先往南方向,而后流經曲瓦鎮,之后轉向東南,經巴藏鎮、立節鎮、憨班鎮、峰迭鎮、江盤鎮和舟曲縣城關鎮后,經南峪鎮、大川鄉流入宕昌縣。圖5為平臺應用中的流域拓撲圖模塊,以拓撲圖的形式對白龍江干流舟曲縣河段進行了知識脈絡展示。拓撲圖分為節點和鏈接,分別代表著流域中水利對象和相關關系的映射,從白龍江上游流域為一個節點起,以水流上下游關系和匯流關系作為鏈接線,連接起代古寺水電站到石門坪水電站之間的所有水利對象(各水電站)、防洪保護對象(各村莊城鎮)、各小支流流域和相關河道關鍵斷面等,其中的每一個節點與每一條鏈接都存儲相關的索引,與數據層的對應數據進行綁定(比如地理位置,行政區劃,對象屬性等),可以通過點擊進行數據查詢、切換顯示內容、信息編輯等操作。該拓撲圖的可拓展性強,能與知識圖譜動態對應,也能對節點、連線及其屬性進行自定義。

通過知識拓撲圖,能快速掌握白龍江干流舟曲縣河段流域內的空間聯系和水力水文聯系,更好地實行防洪措施、水資源調配和水利工程調度。

6 結 語

本文介紹了數字孿生流域的概念和知識圖譜的相關研究與構建方法,以甘肅省白龍江干流舟曲縣河段流域為例,在上游代古寺水電站到下游石門坪水電站的78 km沿河區間內,對其中的多個水電站、河道關鍵斷面、劃分子流域、防洪保護對象(城集鎮)等進行抽象概化。以拓撲圖中節點和鏈接分別代表對象(主、賓)和關系(謂)的形式,對這些水利對象及其之間的關聯關系(如上下游關系、匯流關系、所屬關系等)進行了知識提取和梳理,映射成可視化、交互式的流域知識拓撲圖。

流域知識拓撲圖探索了知識圖譜在數字孿生流域的應用新形式,其以河流為脈絡,將物理流域概化映射到數字平臺上,直觀地展示流域內的各類水利對象和相關的空間、水力、管理、行政等聯系,并且能對綁定的屬性等數據進行查詢、修改,具有部署靈活、方便用戶訪問等優勢,可在水資源管理、防洪、數字沙盤等方面提供支持。

7 展 望

數字孿生流域建設的新興性,以及它在結合知識圖譜應用方面所展現出的創新價值,揭示了未來的研發方向應進一步拓寬并面臨著多方面的挑戰。為推動數字孿生流域和知識圖譜技術深度融合與持續發展,提出以下幾點展望。

(1) 提升數據規模與質量。數字孿生流域未來將涉及大量不同類型的數據,并且面臨數據異構、不一致和不完整等問題。隨著數據的不斷積累和領域知識的更新,知識圖譜需要不斷地進行動態維護和優化。如何實現知識圖譜的自動化構建與更新,確保其時效性和可靠性,以適應流域管理的實時性需求,是亟待解決的問題。

(2) 進行跨學科領域的知識融合與交流。數字孿生流域涉及水文學、氣象學、地理信息科學等多個學科領域。如何在知識圖譜中實現跨領域知識的融合以及促進不同領域專家之間的交流與合作,是知識平臺建設中需要克服的難題。

(3) 數據安全與保護。如何在知識庫構建與應用中平衡數據共享與數據保護的需求,以及如何確保知識圖譜中的數據和知識的合規性和倫理性,是在實際應用過程中需要關注的問題。